WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Contribution à la résolution des problèmes de flow shop avec machines dédiées, avec dates de disponibilité et délais de livraison

( Télécharger le fichier original )
par Mohamed Karim Hajji
Université de Sousse, Institut supérieur d transport et de la logistique - Mastère de recherche en sciences du transport et de la logistique 2012
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3.2.2.2 Dégradation de la température

La construction d'un schéma de refroidissement qui garantisse une dégradation équilibrée et adéquate du paramètre de contrôle T sur les 2000 itérations prévues repose essentiellement sur le coefficient de dégradation (coefficient À de Boltzmann), mais avant de fixer ce coefficient on doit choisir le mode de dégradation qu'on adoptera.

En effet, le mode de dégradation de la température est en relation directe avec le nombre de fois qu'on doit vérifier le critère de Metropolis, on va donc estimer la probabilitépour que la différence ?f soit positive, les calculs ont étéfait sur 20 instances avec 2000 itérations pour chaque instance (voir Tableaux 3.9 et 3.10).

Résultats expérimentaux 54

Tableau 3.9 - Probabilitépour ?f = 0 en pourcentage sur 2000 itérations

 

n = 20

n = 50

n = 100

n = 150

moyenne

u

moyenne

u

moyenne

u

moyenne

u

F1

87.45

21.39

94.2

40.14

97.1

63.23

97.90

67.69

F2

86.80

11.59

93.8

33.89

96.85

44.98

97.9

66.62

F3

74.5

11.88

78.1

3.53

80.7

9.6

80.45

6.24

F4

81.10

18.46

88.05

4.11

92.6

17.17

94.45

12.81

F5

85.05

17.15

92.7

25.61

96.2

33.88

97.3

62.63

Tableau 3.10 - Résume du tableau 3.9

n

20

50

100

150

F1

90 %

95 %

97%

97%

F2

90%

95%

97%

97%

F3

80%

80 %

80%

80%

F4

90%

90 %

97%

95%

F5

90%

93 %

93%

97%

Le tableau 3.10 nous renseigne sur le pourcentage pour lequel ?f soit supérieur à zéro, autrement dit, au bout de 2000 itérations, combien de fois peut-on calculer le rapport ?! T ? Le Tableau 3.11 illustre la réponse.

Tableau 3.11 - Nombre de vérifications du critère de Metropolis sur 2000 itérations

n

20

50

100

150

F1

1800

120

1940

1940

F2

1800

160

1940

1940

F3

1600

1600

1600

1600

F4

1800

1800

1940

1900

F5

1800

1860

1860

1940

On remarque que la probabilitépour que ?f soit positive est très importante, dans ce cas, on doit imposer un mode de dégradation par palier, c'est à dire qu'on va «refroidir le système» toutes les 20 itérations et cela au cours des 200 premières itérations de façon de garantir que le début de recherche assure une importante exploration de l'espace de recherche, ensuite on va dégrader la température au cours des 1800 dernières itérations de façon

Résultats expérimentaux 55

À2 = ( Tfinal)

Tinitial

1

89

de diminuer la probabilitéd'acceptation afin d'assurer l'intensification de la recherche. Pour cela, la probabilitéd'acceptation x sera établie comme suit :

f

[0.4, 0, 9] V 1 iteration 200

x E [0.1, 0.4] V 201 iteration 2000

La question qui se pose désormais, c'est comment va-t-on dégrader la température?

ou encore, quelle est la valeur de À à fixer? Pour répondre à cette question, on doit calculer les valeurs finales de la température qui assurent une proba-bilitéd'acceptation x appartenant à une plage donnée de valeur, reprenant l'équation suivante :

Tfinale =

-~f Ln(0.1)

Le Tableau 3.12 illustre les valeurs finales approchées de la températures pour les cinq familles d'instance :

Tableau 3.12 - Valeurs finales de T pour les cinq familles d'instances

 

Températures finales

Familles

x E [0.4,0,9]

x E [0.1,0,4]

F1

8.73

3.47

F2

34.92

13.89

F3

91.67

36.48

F4

43.65

17.37

F5

7.63

3.04

Si pour les 200 premières itérations, on dégrade la température toutes les 20 itérations alors on va dégrader 9 fois, le coefficient de dégradation s'écrit donc comme suit :

À1 = ( Tfinal)

Tinitial

1

9

Pour les 1800 dernières itérations, on va appliquer 89 dégradations d'oùÀ s'écrit comme suit :

Résultats expérimentaux 56

FIGURE 3.6 - Dégradation de T pour la famille F3, 1800 dernières itérations

A` titre d'exemple, calculons les deux valeurs de A pour la famille F3 :

?

?

?

A =

1

(91.67 8356 )9 ? 0.60 V 1 < iteration < 200
1

(36.48 91.67) 89 ? 0.989 V 201 < iteration < 2000

Finalement, et en faisant les mêmes calculs pour toutes les familles d'ins-tance, on a choisit les valeurs A1 = 0.60 pour i E [1, 200] et A2 = 0.989 pour i E [201, 2000].

A ` titre de confirmation, les figures 3.5 et 3.6 illustrent cette dégradation pour

la famille F3, et la figure 3.7 page suivante décrit l'évolution de la probabilitéd'acceptation d'une solution voisine toujours pour la famille F3.

FIGURE 3.5 - Dégradation de T pour la famille F3, 2000 itérations

Résultats expérimentaux 57

FIGURE 3.7 - Probabilitéd'acceptation pour la famille F3 3.2.2.3 Critère d'arrêt

Le Recuit Simulés'arrête après un nombre d'itération de 2000 ou si la procédure tient une solution dont le makespan est égale à la borne inférieure.

Résultats expérimentaux 58

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Les esprits médiocres condamnent d'ordinaire tout ce qui passe leur portée"   François de la Rochefoucauld